pdf

技能简介

pdf 技能是一个面向 PDF 文件处理的全能工具，可帮助用户完成读取提取、合并拆分、旋转水印、创建生成、表单填写、加密解密、图像提取以及扫描件 OCR 等操作。无论用户提到 .pdf 文件还是要求生成 PDF，都可以启用本技能。

使用场景

• 从 PDF 中提取文本、表格或图像
• 将多个 PDF 合并为一个，或按页拆分 PDF
• 旋转 PDF 页面、添加水印
• 创建新的 PDF 报告或文档
• 填写 PDF 表单、加密/解密 PDF、对扫描件进行 OCR

使用方法

本技能通过 Python 库与命令行工具组合实现。

安装依赖：

pip install pypdf pdfplumber reportlab pandas
# 命令行工具（按需安装）
# macOS: brew install poppler qpdf pdftk
# Ubuntu: sudo apt-get install poppler-utils qpdf pdftk

读取与提取文本（pypdf）：

from pypdf import PdfReader
reader = PdfReader("document.pdf")
for page in reader.pages:
    print(page.extract_text())

提取表格（pdfplumber）：

import pdfplumber
with pdfplumber.open("document.pdf") as pdf:
    for page in pdf.pages:
        for table in page.extract_tables():
            print(table)

合并 PDF（pypdf）：

from pypdf import PdfWriter, PdfReader
writer = PdfWriter()
for f in ["doc1.pdf", "doc2.pdf"]:
    for page in PdfReader(f).pages:
        writer.add_page(page)
with open("merged.pdf", "wb") as out:
    writer.write(out)

创建 PDF（reportlab）：

from reportlab.pdfgen import canvas
c = canvas.Canvas("hello.pdf")
c.drawString(100, 700, "Hello World!")
c.save()

命令行示例：

# 提取文本（保留版式）
pdftotext -layout input.pdf output.txt

# 合并 PDF
qpdf --empty --pages file1.pdf file2.pdf -- merged.pdf

# 旋转第 1 页 90 度
qpdf input.pdf output.pdf --rotate=+90:1

注意事项

• 在 reportlab 中切勿使用 Unicode 上下标字符（如 ₀₁₂₃、⁰¹²³），内置字体不含这些字形，会渲染为黑色实心方块。请改用 Paragraph 的 <sub> 和 <super> 标签。
• pdftk 可能未预装；qpdf、pdftotext 依赖 poppler-utils，需提前安装。